Zia Yapay Zeka

Yapay zekâ tarafında en pahalı hata, modeli açmadan önce verinin yeterli olduğunu varsaymaktır. Zia'nın tahmin yetenekleri geçmiş kayıtlardan öğrenir; geçmiş kayıt yoksa ya da kirliyse, çıktı da kirli olur. Bu yüzden Zia'dan önce sorulması gereken soru "hangi modeli kuralım" değil, "bu modeli eğitecek temiz veri var mı" sorusudur.

İki somut araç veri tarafını doğrudan etkiler. Veri Zenginleştirme (Data Enrichment), bir kişi/firma kaydındaki boşlukları demografik ve firmografik bilgilerle doldurur; böylece aramadan önce karşınızdakinin segmentini görürsünüz. Zia Vision ise yüklenen görselleri (kimlik belgesi, fatura, fiş) görüntü tanımayla denetler; kalite standardına uymayan veya manipüle edilmiş olabilecek görselleri işaretler. Klinik örneğinde hasta onam/evrak yüklemelerinin ön kontrolünü insandan alır.

Bu sayılar şunu söyler: yeni kurulan ya da kaydı az olan bir klinikte churn veya kapanma tahmini açmak erkendir; önce yeterli geçmiş birikmelidir. Bunu müşteriye dürüstçe söylemek, "açtık çalışıyor" demekten çok daha değerlidir.

Zia'nın satışa en çok dokunan tarafı tahmin yetenekleridir. İki bileşeni karıştırmamak, doğru kurulumun yarısıdır.

Zia Skorları (Scores)

Hazır gelen, öngörüsel lead skorlama. E-posta açma, web ziyareti, sosyal etkileşim gibi sinyalleri okuyup her adaya bir puan verir. "Önce kime dönmeliyim" sorusunu yapılandırma gerektirmeden yanıtlar.

Tahmin Oluşturucu (Prediction Builder)

Yöneticinin kendi sorusunu modellediği esnek araç. Standart veya özel modüllerde "bu anlaşma kazanılır mı, gecikir mi", "bu müşteri paketi alır mı", yıllık büyüme/maliyet gibi sonuçları tahmin eder.

Tahmin Analitiği bu modellerin çıktısını yorumlar: kapanma olasılığı yüksek anlaşmalar, gecikme riski taşıyanlar, kazanma/kaybetme analizi ve her tahminin yanında bir aksiyon önerisi. Zia ayrıca kendi tahmininin işe yarayıp yaramadığını ölçüp bir güvenilirlik puanı verir; yani zamanla kalibre olur. Klinik örneğinde "ilk danışma sonrası işlem planına dönüşme olasılığı" alanı kurulduğunda, danışman düşük olasılıklı görüşmeye ek süre harcamak yerine yüksek olasılıklılara yoğunlaşabilir.

1. 01Hedef sonucu tanımlayın

   Neyi tahmin ettiğinizi netleştirmeden model kurulmaz.

   Örnek: "danışmadan işlem planına dönüşüm". Tahmin için seçtiğiniz isim, modülde alan etiketi olur ve kayıt sonrası değiştirilemez; baştan ayırt edici bir ad verin.

2. 02Eğitim verisini doğrulayın

   Model geçmiş kapanmış kayıtlardan öğrenir.

   Kriterinize uyan en az 200 kaydınız olduğundan emin olun. Bütün kayıtlar aynı değeri taşıyorsa Zia karşılaştırma yapamaz ve tahmin üretemez.

3. 03Skoru sürece bağlayın

   Aksiyona dönüşmeyen tahmin sadece bir süstür.

   Yüksek skorlu adayı iş akışıyla doğru danışmana yönlendirin veya öncelik kuyruğuna alın. Skor, ekranda kaldığı sürece değer üretmez.

Churn Tahmini (Churn Prediction), mevcut müşterilerinizden hangisinin ilişkiyi kesme riskinin yüksek olduğunu önceden gösterir. Zia; satın alma geçmişi, destek talepleri, pazarlama etkileşimi ve kullanım sinyallerini analiz edip her müşteriye bir kopma olasılığı puanı atar. Müşteri gerçekten gitmeden, hâlâ kazanma şansı varken müdahale alanı açar. Abonelik benzeri bakım paketi satan klinikte bu, doğrudan tekrar gelir demektir.

Churn'ün arka planında çoğu zaman Olay Eşleme (Event Mapping) çalışır: farklı kaynaklardan gelen kullanım verisinin Zia tarafından "hangi davranış sadakat, hangisi uzaklaşma" diye doğru yorumlanmasını sağlar. Yani churn skoru iyi bir veri eşlemesi olmadan güvenilir değildir.

Bu eşik küçük klinikler için belirleyicidir: 20 lisans altındaysa churn tahmini açılmaz. Bu durumda biz, churn'ün yerine durum alanı + zamanlanmış fonksiyonla kurulan bir "kontrol seansı kaçırma" uyarısı öneririz, aynı problemi yapay zekâ olmadan, ama görünür biçimde çözer.

Zia yalnızca neyin olacağını tahmin etmekle kalmaz; ne yapmanız gerektiğini de önerir. Bu tarafta birbirini tamamlayan birkaç yetenek var.

• Benzerlik Önericisi (Similarity Recommender): Bir müşterinin geçmişine benzer kayıtları ve onlardan türetilen ürün/hizmet önerilerini gösterir. Kayıt detayında en fazla 5 benzer kayıt ve her biri için en fazla 3 alan görüntülenir; benzerlik skoruna en çok katkı veren 5 alan öne çıkarılır.
• Öneri Oluşturucu (Recommendation Builder): İşletmenin kendi öneri modelini standart veya özel modülde kurmasına izin verir. Önemli sınır: her hedef modül için yalnızca bir öneri modeli kurulabilir ve hedef modül, kaynak modülle lookup/ilişkili liste üzerinden bağlı olmalıdır.
• Sonraki En İyi Deneyim (Next Best Experience): Belirli bir müşteri/fırsat için en etkili adımı önerir, arama planlamak, takip e-postası, belirli bir teklifi sunmak gibi.

Buna bir de İletişim için En Uygun Zaman (Best Time to Contact) eklenir: geçmiş yazışma ve yanıt kalıplarını, alıcının saat dilimini ve davranışını okuyup en yanıt alıcı saati önerir. Klinik örneğinde danışman, kontrol araması için sabah yerine akşamüstü öneriliyorsa, yanıt oranı somut biçimde değişir.

Zia gelen iletişimi yalnızca saklamaz, anlamlandırır. E-posta zekâsı, bir mesajın niyetini (ne istiyor), tonunu (olumlu/olumsuz/nötr) ve duygusunu (memnuniyet, öfke, hayal kırıklığı) çözümler. Böylece kızgın bir hastanın mesajı kalabalık bir gelen kutusunda kaybolmaz; önceliklenir ve doğru tonla yanıtlanır. Aynı sinyaller Müşterinin Sesi (Voice of the Customer) ekranında bütünleşip müşterileri "savunucu / eleştirmen" olarak gruplar.

Çağrı zekâsı ise telefon görüşmesini metne döker (transkripsiyon) ve içeriğindeki niyet/duyguyu çıkarır. Bu hem kalite kontrol kaydı bırakır hem yöneticiye "görüşmeler genel olarak nasıl gidiyor" sorusunu veriyle yanıtlatır.

Türkiye bağlamında bu yetenek bir KVKK uyarısı gerektirir: çağrı kaydı ve transkripsiyonu kişisel veri işlemedir. Görüşme başında bilgilendirme/aydınlatma ve saklama süresi politikası olmadan açılmamalıdır.

Zia'nın üretken yapay zekâ katmanı, ekibin en çok zaman kaybettiği işleri devralır: eski yazışmaları okumak, not karıştırmak, aynı e-postayı tekrar yazmak. İki bileşen öne çıkar.

Kayıt Özeti (Record Summary), bir kayıttaki tüm geçmişi, aramalar, toplantılar, notlar, e-postalar, okunabilir bir özete indirir. Aramadan önce dosyayı elle taramaya gerek kalmaz. Models (yazım asistanı) ise açıklama, not ve e-posta alanlarında bağlama duyarlı içerik üretir: yeni e-posta, gelen e-postaya yanıt, çeviri ve yazışma özeti. Ton seçilebilir (profesyonel, samimi, açıklayıcı, anlatımsal ...) ve uzunluk kısa/orta/uzun olarak ayarlanabilir; Zia çeviride 74'e kadar dili destekler.

Models arka planda Zoho'nun barındırdığı LLM'i veya bağladığınız harici bir sağlayıcıyı (OpenAI, Google, Anthropic, Cohere) kullanabilir; yani altyapı seçiminde esneklik vardır. Harici bir LLM bağlarsanız metin o sağlayıcıya gider, klinik gibi hassas veride bu, KVKK açısından ayrı bir karardır.

"Zia var mı?" sorusunun tek doğru cevabı, ilgili hesabın paketine ve veri merkezine bakılarak verilir. Aynı isim altındaki yetenekler her sürümde aynı seviyede gelmez; bazıları lisans sayısına, bazıları kullanım kotasına bağlıdır. Aşağıdaki tablo, bu rehberde geçen yeteneklerin tipik uygunluğunu özetler, taahhüt değil, kontrol başlangıç noktasıdır.

Pratik sonuç: Ask Zia'nın global aramadaki konuşma yeteneği yalnızca 20+ lisanslı Enterprise veya Ultimate'ta ve kişisel dil İngilizceyken devreye girer. Türkçe arayüz tercih eden bir ekip için bu, sürüm uygun olsa bile dil kısıtı nedeniyle beklenenden farklı çalışabilir, sahada en sık karşılaşılan sürprizlerden biri budur.

Zia'nın yetenekleri kâğıt üzerinde etkileyici; sahada fark yaratması üç şarta bağlıdır: temiz veri, uygun sürüm ve sürece bağlanmış öneriler. Biz Zia kurulumlarını her zaman aynı sırayla ele alırız.

1. 1

   Veri denetimi

   Zenginleştirme ve tahmin öncesi kayıt kalitesini, eksik alan oranını ve ≥200 kayıt eşiğini ölçeriz.

2. 2

   Sürüm & kota

   Hangi yeteneğin lisansta açık olduğunu, lisans sayısını, DC'yi ve kullanım kotalarını netleştiririz.

3. 3

   Model & öneri

   Skorlama, churn ve tahmin modellerini sizin senaryonuza göre eğitir, yalnızca değer yaratacak önerileri açarız.

4. 4

   Aksiyona bağlama

   Her skoru ve uyarıyı bir iş akışına, göreve veya bildirime bağlar; sonucu izleyip kalibre ederiz.

Bu sıralamanın özü, manifestomuzdaki omurgayla aynıdır: önce süreç ve veri, en sonda otomasyon. Yapay zekânın değeri "açtık ve çalışıyor" demekte değil; doğru kişiye, doğru anda, doğru aksiyonu fısıldamasındadır. Bu rehberdeki yeteneklerden hangilerinin işinize gerçekten dokunduğunu birlikte belirleyip gerisini kurguya çevirebiliriz.